> For the complete documentation index, see [llms.txt](https://docs.rememberizer.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.rememberizer.ai/fr/ressources-pour-les-developpeurs/api-docs/vector-store/add-new-text-document-to-a-vector-store.md).

# Ajouter un nouveau document texte à un magasin de vecteurs

{% openapi src="/files/k0wV9YEEppPnffcGeVUk" path="/vector-stores/{vector-store-id}/documents/create" method="post" %}
[rememberizer\_openapi.yml](https://3811618827-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FwduaTA5Sz3nf9aH5k1S6%2Fuploads%2Fgit-blob-77b6137eeb641262ec8e531c78123c02b825b865%2Frememberizer_openapi.yml?alt=media\&token=9d0098e1-f392-4761-be64-ff6f2caad99e)
{% endopenapi %}

## Exemples de Requêtes

{% tabs %}
{% tab title="cURL" %}

```bash
curl -X POST \
  https://api.rememberizer.ai/api/v1/vector-stores/vs_abc123/documents/create \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "Aperçu du Produit",
    "text": "Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique."
  }'
```

{% hint style="info" %}
Remplacez `YOUR_API_KEY` par votre véritable clé API de Vector Store et `vs_abc123` par votre ID de Vector Store.
{% endhint %}
{% endtab %}

{% tab title="JavaScript" %}

```javascript
const addTextDocument = async (vectorStoreId, name, text) => {
  const response = await fetch(`https://api.rememberizer.ai/api/v1/vector-stores/${vectorStoreId}/documents/create`, {
    method: 'POST',
    headers: {
      'x-api-key': 'YOUR_API_KEY',
      'Content-Type': 'application/json'
    },
    body: JSON.stringify({
      name: name,
      text: text
    })
  });
  
  const data = await response.json();
  console.log(data);
};

addTextDocument(
  'vs_abc123',
  'Aperçu du Produit',
  'Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique.'
);
```

{% hint style="info" %}
Remplacez `YOUR_API_KEY` par votre véritable clé API de Vector Store et `vs_abc123` par votre ID de Vector Store.
{% endhint %}
{% endtab %}

{% tab title="Python" %}

```python
import requests
import json

def add_text_document(vector_store_id, name, text):
    headers = {
        "x-api-key": "YOUR_API_KEY",
        "Content-Type": "application/json"
    }
    
    payload = {
        "name": name,
        "text": text
    }
    
    response = requests.post(
        f"https://api.rememberizer.ai/api/v1/vector-stores/{vector_store_id}/documents/create",
        headers=headers,
        data=json.dumps(payload)
    )
    
    data = response.json()
    print(data)

add_text_document(
    'vs_abc123',
    'Aperçu du Produit',
    'Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique.'
)
```

{% hint style="info" %}
Remplacez `YOUR_API_KEY` par votre véritable clé API de Vector Store et `vs_abc123` par votre ID de Vector Store.
{% endhint %}
{% endtab %}
{% endtabs %}

## Paramètres de chemin

| Paramètre       | Type   | Description                                                         |
| --------------- | ------ | ------------------------------------------------------------------- |
| vector-store-id | string | **Requis.** L'ID du magasin de vecteurs auquel ajouter le document. |

## Corps de la demande

```json
{
  "name": "Aperçu du produit",
  "text": "Notre produit est une solution innovante pour la gestion des embeddings vectoriels. Il offre une intégration transparente avec vos systèmes existants et propose de puissantes capacités de recherche sémantique."
}
```

| Paramètre | Type   | Description                                 |
| --------- | ------ | ------------------------------------------- |
| name      | string | **Requis.** Le nom du document.             |
| text      | string | **Requis.** Le contenu textuel du document. |

## Format de Réponse

```json
{
  "id": 1234,
  "name": "Aperçu du Produit",
  "type": "text/plain",
  "vector_store": "vs_abc123",
  "size": 173,
  "status": "traitement",
  "processing_status": "en attente",
  "indexed_on": null,
  "status_error_message": null,
  "created": "2023-06-15T10:15:00Z",
  "modified": "2023-06-15T10:15:00Z"
}
```

## Authentification

Ce point de terminaison nécessite une authentification à l'aide d'une clé API dans l'en-tête `x-api-key`.

## Réponses d'erreur

| Code d'état | Description                                                   |
| ----------- | ------------------------------------------------------------- |
| 400         | Mauvaise demande - Champs requis manquants ou format invalide |
| 401         | Non autorisé - Clé API invalide ou manquante                  |
| 404         | Non trouvé - Magasin de vecteurs non trouvé                   |
| 500         | Erreur interne du serveur                                     |

Ce point de terminaison vous permet d'ajouter du contenu textuel directement à votre magasin de vecteurs. Il est particulièrement utile pour stocker des informations qui pourraient ne pas exister au format fichier, telles que des descriptions de produits, des articles de base de connaissances ou du contenu personnalisé. Le texte sera automatiquement traité en embeddings vectoriels, le rendant consultable par similarité sémantique.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.rememberizer.ai/fr/ressources-pour-les-developpeurs/api-docs/vector-store/add-new-text-document-to-a-vector-store.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.